$0,0004 за кейс против $0,0304 при почти одинаковой точности: 67,8% у модели Jev и 67,9% у GPT-5.6 Terra. Так в тесте самой TypeSafe, по обзору DataCamp; эталон — усреднённые ответы крупных универсальных моделей, сценарии писала сама TypeSafe.

В 2023 году было наоборот: GPT-4 с подсказками (Medprompt) обошёл специализированную Med-PaLM 2 на медицинском тесте MedQA, универсал выигрывал точностью. В 2026-м узкая модель возвращается, но точностью не берёт: две сильнейшие модели теста впереди на 5–6 процентных пунктов.

Почему же тогда? Предположение автора поста, источники его прямо не делают: цена. Когда у агента много шагов, разница в цене за вызов растёт вместе с их числом. Gartner прогнозирует, что стоимость работы моделей на один процесс ИИ-агента до 2028 года вырастет более чем впятеро, хотя цена токена падает.

И ещё.

Термин «узкая» не значит «не языковая». Clef (по словам Cloudflare в пересказе The Register) и Kev (по вторичным обзорам) построены на Qwen. Подробно, с цифрами и оговорками по ту сторону ии